svm算法的应用例子 既然使用神经网络也可以解决分类问题,那SVM、决策树这些算法还有什么意义呢?
浏览量:2972
时间:2021-03-13 13:49:19
作者:admin
既然使用神经网络也可以解决分类问题,那SVM、决策树这些算法还有什么意义呢?
要看你的数据量和样本数量,不同的样本数量和特征数据量适合采用的算法都不一样。神经网络等深度学习算法需要训练很大的数据集才能构建比较好的预测模型。很多互联网大公司比较喜欢深度学习算法是他们获得的用户数据都是数以亿计的海量数据,这是比较适合卷积神经网络等深度学习算法。
如果你的样本数量很少,比较合适的是使用SVM,决策树等机器学习算法,如果你的数据集比较大,可以考虑使用卷积神经网络等深度学习算法。
这有一个图,就是说明任何根据样本数量和数据集大小来选择机器学习算法的。
如果觉得对您有帮助,可以多多点赞哦,也可以随手点个关注哦,谢谢!
svm分类算法原理?
是一种二类分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器,其学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解。
版权声明:本文内容由互联网用户自发贡献,本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。